基于LSTM神经网络的用电量预测

• 作者: 徐尧强 方乐恒 王凯 赵冬华
• 来源期刊: 电力大数据
• 学科: 工学
• 关键词: LSTM神经网络 负荷预测 收敛交叉映射
• 年，卷（期）: 2017,（8）
• 所属期刊栏目: 电网技术
• 页码范围: 25-29,14
• 页数: 6页
• 分类号: TP393
• 字数: 2961字
• 语种: 中文

摘要

阐述了收敛交叉映射(CCM)方法及LSTM神经网络模型在用电量预测中的具体应用.针对城市用电量时间序列的非线性特点,结合动力系统理论,采用CCM方法研究用电量和温度、风速、相对湿度、降水之间的动力学因果关系,建立LSTM神经网络模型,并将该模型在H市用电量预测中进行了初步应用.研究结果表明,LSTM神经网络模型在城市用电量预测中年度预测相对误差小于月度预测相对误差,具有较高精度;改进的引入温度因素的LSTM神经网络模型,月度、年度预测相对误差均有改进,反映了运用CCM方法研究动力学因果关系的合理性以及LSTM神经网络模型在城市用电量预测中广泛的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐尧强	国家电网公司华东分部	2	25	2.0	2.0
2	王凯	国家电网公司华东分部	5	24	1.0	4.0
3	赵冬华	复旦大学数学科学学院	2	23	1.0	2.0
4	方乐恒	复旦大学数学科学学院	1	23	1.0	1.0